ხელოვნური ინტელექტი ოპტიმიზირებს ნახშირბადის ბოჭკოებით გამაგრებული კომპოზიტების CNC დაფქვას |კომპოზიტური მასალების სამყარო

Augsburg AI-ს საწარმოო ქსელი - DLR მსუბუქი წარმოების ტექნოლოგიური ცენტრი (ZLP), Fraunhofer IGCV და აუგსბურგის უნივერსიტეტი იყენებენ ულტრაბგერითი სენსორების კორელაციას ხმის კომპოზიტური მასალის დამუშავების ხარისხთან.
ულტრაბგერითი სენსორი დამონტაჟებულია CNC საღარავი მანქანაზე დამუშავების ხარისხის მონიტორინგისთვის.სურათის წყარო: ყველა უფლება დაცულია აუგსბურგის უნივერსიტეტის მიერ
Augsburg AI (ხელოვნური ინტელექტის) წარმოების ქსელი, რომელიც დაარსდა 2021 წლის იანვარში და მდებარეობს აუგსბურგში, გერმანიაში, აერთიანებს აუგსბურგის უნივერსიტეტს, ფრაუნჰოფერს და კვლევებს ჩამოსხმის, კომპოზიციური მასალების და დამუშავების ტექნოლოგიაზე (Fraunhofer IGCV) და გერმანული მსუბუქი წარმოების ტექნოლოგიაზე. ცენტრი.გერმანიის საჰაერო კოსმოსური ცენტრი (DLR ZLP).მიზანია ერთობლივი კვლევა ხელოვნურ ინტელექტზე დაფუძნებული წარმოების ტექნოლოგიების ინტერფეისზე მასალების, წარმოების ტექნოლოგიებსა და მონაცემთა ბაზაზე დაფუძნებულ მოდელირებას შორის.აპლიკაციის მაგალითი, სადაც ხელოვნურ ინტელექტს შეუძლია ხელი შეუწყოს წარმოების პროცესს, არის ბოჭკოვანი გამაგრებული კომპოზიციური მასალების დამუშავება.
ახლად შექმნილ ხელოვნური ინტელექტის წარმოების ქსელში მეცნიერები სწავლობენ, თუ როგორ შეუძლია ხელოვნურ ინტელექტს წარმოების პროცესების ოპტიმიზაცია.მაგალითად, აერონავტიკისა და მექანიკური ინჟინერიის მრავალი ღირებულების ჯაჭვის ბოლოს, CNC ჩარხები ამუშავებს ბოჭკოებით გამაგრებული პოლიმერული კომპოზიტების კომპონენტების საბოლოო კონტურებს.დამუშავების ეს პროცესი დიდ მოთხოვნებს აყენებს საღეჭი საჭრელზე.აუგსბურგის უნივერსიტეტის მკვლევარები თვლიან, რომ შესაძლებელია დამუშავების პროცესის ოპტიმიზაცია სენსორების გამოყენებით, რომლებიც მონიტორინგს უწევენ CNC დაფქვის სისტემებს.ისინი ამჟამად იყენებენ ხელოვნურ ინტელექტს ამ სენსორების მიერ მოწოდებული მონაცემთა ნაკადების შესაფასებლად.
სამრეწველო წარმოების პროცესები, როგორც წესი, ძალიან რთულია და არსებობს მრავალი ფაქტორი, რომელიც გავლენას ახდენს შედეგებზე.მაგალითად, აღჭურვილობა და დამუშავების ხელსაწყოები სწრაფად აცვიათ, განსაკუთრებით მძიმე მასალები, როგორიცაა ნახშირბადის ბოჭკოვანი.მაშასადამე, ცვეთის კრიტიკული დონის იდენტიფიცირებისა და პროგნოზირების შესაძლებლობა აუცილებელია მაღალი ხარისხის მორთული და დამუშავებული კომპოზიციური სტრუქტურების უზრუნველსაყოფად.სამრეწველო CNC საღარავი მანქანების კვლევამ აჩვენა, რომ შესაბამისი სენსორის ტექნოლოგია ხელოვნურ ინტელექტთან ერთად შეიძლება უზრუნველყოს ასეთი პროგნოზები და გაუმჯობესება.
სამრეწველო CNC საღარავი მანქანა ულტრაბგერითი სენსორის კვლევისთვის.სურათის წყარო: ყველა უფლება დაცულია აუგსბურგის უნივერსიტეტის მიერ
თანამედროვე CNC ქარხნის მანქანების უმეტესობას აქვს ჩაშენებული ძირითადი სენსორები, როგორიცაა ენერგიის მოხმარების ჩაწერა, კვების ძალა და ბრუნვის მომენტი.თუმცა, ეს მონაცემები ყოველთვის არ არის საკმარისი დაფქვის პროცესის დეტალების გადასაჭრელად.ამ მიზნით, აუგსბურგის უნივერსიტეტმა შეიმუშავა ულტრაბგერითი სენსორი სტრუქტურული ხმის გასაანალიზებლად და ინტეგრირებული სამრეწველო CNC საღარავი მანქანაში.ეს სენსორები აღმოაჩენენ სტრუქტურირებულ ხმის სიგნალებს ულტრაბგერითი დიაპაზონში, რომელიც წარმოიქმნება დაფქვის დროს და შემდეგ ვრცელდება სისტემის მეშვეობით სენსორებამდე.
სტრუქტურის ხმას შეუძლია დასკვნის გაკეთება დამუშავების პროცესის მდგომარეობის შესახებ.„ეს არის ჩვენთვის ისეთივე მნიშვნელოვანი მაჩვენებელი, როგორც მშვილდოსანი ვიოლინოსთვის“, - განმარტა პროფესორმა მარკუს საუსმა, ხელოვნური ინტელექტის წარმოების ქსელის დირექტორმა.”მუსიკის პროფესიონალებს შეუძლიათ დაუყოვნებლივ დაადგინონ ვიოლინოს ხმიდან, არის თუ არა ის დაკვრული და დამკვრელის მიერ ინსტრუმენტის ოსტატობა.”მაგრამ როგორ ვრცელდება ეს მეთოდი CNC ჩარხებზე?მანქანათმცოდნეობა არის გასაღები.
ულტრაბგერითი სენსორის მიერ დაფიქსირებული მონაცემების საფუძველზე CNC დაფქვის პროცესის ოპტიმიზაციის მიზნით, Sause-თან მომუშავე მკვლევარებმა გამოიყენეს ე.წ.აკუსტიკური სიგნალის გარკვეული მახასიათებლები შეიძლება მიუთითებდეს პროცესის არახელსაყრელ კონტროლზე, რაც მიუთითებს დაფქული ნაწილის ხარისხზე.აქედან გამომდინარე, ეს ინფორმაცია შეიძლება გამოყენებულ იქნას უშუალოდ დამუშავების პროცესის დასარეგულირებლად და გასაუმჯობესებლად.ამისათვის გამოიყენეთ ჩაწერილი მონაცემები და შესაბამისი მდგომარეობა (მაგალითად, კარგი ან ცუდი დამუშავება) ალგორითმის მოსამზადებლად.შემდეგ, პირი, რომელიც მართავს საღეჭ მანქანას, შეუძლია რეაგირება მოახდინოს წარმოდგენილ სისტემის სტატუსის ინფორმაციაზე, ან სისტემას შეუძლია რეაგირება ავტომატურად მოახდინოს პროგრამირების საშუალებით.
მანქანათმცოდნეობას შეუძლია არა მხოლოდ ოპტიმიზაცია მოახდინოს დაფქვის პროცესის უშუალოდ სამუშაო ნაწილზე, არამედ დაგეგმოს საწარმოო ქარხნის ტექნიკური ციკლი რაც შეიძლება ეკონომიურად.ფუნქციურმა კომპონენტებმა უნდა იმუშაონ მანქანაში რაც შეიძლება დიდხანს, ეკონომიკური ეფექტურობის გასაუმჯობესებლად, მაგრამ კომპონენტების დაზიანებით გამოწვეული სპონტანური ჩავარდნები თავიდან უნდა იქნას აცილებული.
პროგნოზირებადი მოვლა არის მეთოდი, რომლის დროსაც AI იყენებს შეგროვებულ სენსორულ მონაცემებს, რათა გამოთვალოს, როდის უნდა შეიცვალოს ნაწილები.შესწავლილი CNC საღარავი მანქანისთვის, ალგორითმი ცნობს, როდის იცვლება ხმის სიგნალის გარკვეული მახასიათებლები.ამ გზით, მას შეუძლია არა მხოლოდ დაადგინოს დამუშავების ხელსაწყოს ცვეთა ხარისხი, არამედ იწინასწარმეტყველოს ხელსაწყოს შეცვლის სწორი დრო.ეს და სხვა ხელოვნური ინტელექტის პროცესები ინკორპორირებულია ხელოვნური ინტელექტის წარმოების ქსელში აუგსბურგში.სამი ძირითადი პარტნიორი ორგანიზაცია თანამშრომლობს სხვა საწარმოო ობიექტებთან, რათა შექმნან საწარმოო ქსელი, რომელიც შეიძლება გადაკეთდეს მოდულური და მატერიალური ოპტიმიზებული გზით.
განმარტავს ძველ ხელოვნებას ინდუსტრიის პირველი ბოჭკოვანი გამაგრების უკან და აქვს სიღრმისეული გაგება ბოჭკოს ახალი მეცნიერებისა და მომავალი განვითარების შესახებ.